一种基于特征重标定生成对抗网络的图像分类方法
发布时间: 2022-04-11
来源: 试点城市(园区)
基本信息
一种基于特征重标定生成对抗网络的图像分类方法,适用于机器学习领域。将待分类的图像数据输入对抗网络模型进行网络训练;卷积网络构成的生成器和鉴别器;初始化随机噪声,将随机噪声输入生成器中;在生成器中利用卷积网络对随机噪声进行多层反卷积运算最终得到生成样本;将生成样本和和真实样本输入鉴别器;在鉴别器中利用卷积网络对输入样本进行卷积与池化操作从而得到特征图,在卷积网络中间层引入压缩激活SENet模块对特征图进行校准,得到校准后的特征图,使用全局平均池化,最终输出图像数据分类。在鉴别器的中间层引入SENet模块,自动学习每一个特征通道的重要程度,提取任务相关有用的特征抑制任务无关的特征,从而提高半监督学习表现。